当训练变压器模型时，解码器末端有一个线性层，我理解它是一个完全连接的神经网络。在变压器模型的训练过程中，当获得损失时，它将反向传播以调整权重。

我的问题是反向传播有多深？

• 它只发生在线性层权重（完全连接的神经网络）之前吗？
• 或者它是否扩展到所有解码器层权重矩阵（Q，K，V）和前馈层权重？
• 或者它是否扩展到甚至编码器+解码器的权重？

请帮我解答。